Nesta seção, você encontra os principais componentes da infraestrutura do Google Cloud. Nela, apresentamos muitos dos produtos e serviços de Big Data e machine learning que suportam o ciclo de vida de dados para IA no Google Cloud.

Nesta seção, você conhecerá a solução do Google Cloud para gerenciar dados de streaming. Nela, analisamos um pipeline completo, incluindo a ingestão de dados com o Pub/Sub, o processamento de dados com o Dataflow e a visualização de dados com o Looker e o Looker Studio.

Nesta seção, apresentamos aos participantes o BigQuery, o data warehouse sem servidor e totalmente gerenciado do Google. O módulo também mostra o BigQuery ML, os processos e os principais comandos usados para criar modelos personalizados de machine learning.

Nesta seção, você verá quatro opções diferentes para criar modelos de machine learning no Google Cloud. Nela, também apresentaremos a Vertex AI, a plataforma unificada do Google para criação e gerenciamento do ciclo de vida de projetos de ML.

Neste módulo, focaremos nas três etapas principais do fluxo de trabalho de machine learning na Vertex AI: preparação de dados, treinamento de modelos e avaliação de modelos. Os participantes poderão praticar a criação de um modelo de machine learning com o AutoML.

Revisar o conteúdo do curso e apresentar outros recursos para complementar o aprendizado.